數據挖掘也被譯為資料勘探，數據開采。它是一種通過數理模型對企業中存儲的大量數據進行分析，以找出不同的客戶或市場劃分，分析消費者偏好和行為的方法。這是發現數據庫知識的一步。一般地，數據挖掘是指從大量的數據中自動地尋找隱藏在其中的具有特殊關系的信息。包括3個步驟：資料準備、規律尋找和規律表示。下面就讓小編為大家介紹數據挖掘技術有哪些？

中科視拓

0

0條點評

咨詢產品

免費試用

解決用戶選型困難的好軟件，有各維度的信息

客戶案例

暫無

合作品牌

4

數據挖掘技術有哪些？

數據挖掘技術有哪些？

1.統計學

    盡管統計是一個古老的學科，但它仍然是最基礎的數據挖掘技術，尤其是多變量統計分析，如判別分析、主成分分析、因子分析、相關性分析、多元回歸分析等。

2.聚類分析和模式識別

    聚類分析主要是根據事物的特征，即所謂物以類聚，從而發現事物的規律和典型模式。這種技術是數據挖掘中的一項重要技術。除了傳統的基于多元統計分析的聚類方法，模糊聚類和神經網絡聚類方法近年來都有了很大的發展。

3.決策樹分類法

    決策樹根據不同的重要特征，用樹型結構來表示分類或決策集合，從而產生規則和發現規則。

4.人工神經網絡與遺傳算法

    人工神經網絡是近年來迅速發展起來的前沿研究領域，在人工智能、認知科學和信息技術等方面都產生了重大而深遠的影響，并且在數據挖掘中也起著十分重要的作用。通過實例學習，人工神經網絡可以形成一個非線性函數，描述復雜的非線性系統，它實際上是對客觀規律的定量描述，在此基礎上，預測的困難問題將迎刃而解。由于人工神經網絡是一門新興的學科，因此在數據挖掘中應用最多的神經網絡就是BP網絡和RBF網絡，其中一些重要的理論問題尚未得到解決。

5.規則的歸納

    數據挖掘是一種相對于規則歸納的技術。就是在大型數據庫或數據倉庫中搜索和挖掘以前不知道的規則和規律，這些規則大致包括以下幾種形式：IF…THEN…

6.可視化技術

    在數據挖掘中，可視化技術是一個不可忽視的輔助。由于數據挖掘涉及的數學方法和信息技術比較復雜，為便于用戶理解和使用這些技術，必須以圖形、圖像、動畫等形式形象地指導操作、引導挖掘、表達結果等，否則難以推廣普及數據挖掘技術。

    數據挖掘的主要任務是：關聯分析、聚類分析、分類分析、異常分析、特殊群分析、演化分析。通常情況下，數據挖掘與計算機科學有關，通過許多方法，如統計方法、聯機分析處理、情報檢索、機器學習、專家系統(依靠過去的經驗法則)和模式識別來實現目標。以上就是小編為大家介紹的數據挖掘技術有哪些？的全部內容，感謝觀看。